New Approaches to Estimating Immigrant Documentation Status in Survey Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Approximately a quarter of the 43 million immigrants living in the United States are thought to be undocumented. Yet, the lack of accurate population-level information about undocumented immigrants provides fertile ground for public misconceptions, political and media hype, and false claims. The goal is to determine how well descriptions of the undocumented population are likely to mirror the reality of undocumented immigrants’ lives in the US. We compare (1) the distribution of the population by documentation status and (2) distributions of the characteristics of undocumented and documented immigrants produced by two methods. The first method (the “decomposition method”) is a commonly used strategy used in previous work and the second method is an alternative, independent method developed in this article. We used the Survey of Income and Program Participation (SIPP) and the Los Angeles Family and Neighborhood Survey (LAFANS). The existing decomposition method works reasonably well if the data contains information on whether respondents are naturalized citizens or and lawful permanent residents. However, when these variables are missing or problematic, the decomposition method produces biased results. The actual undocumented population in the US may be even more socioeconomically disadvantaged than studies based on existing decomposition methods indicate. This article evaluates methods to conduct reasonably accurate nationally representative, policy relevant research on the lives of undocumented immigrants without potentially jeopardizing members of this vulnerable population.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle